Avaliando o conhecimento algébrico do estudante através de redes bayesianas dinâmicas: um estudo de caso com o sistema tutor inteligente PAT2Math

Avaliando o conhecimento algébrico do estudante através de redes bayesianas dinâmicas: um estudo de caso com o sistema tutor inteligente PAT2Math

Seffrin, Henrique Manfron

URI: http://www.repositorio.jesuita.org.br/handle/UNISINOS/3793

Fecha: 2015-02-20

xmlui.dri2xhtml.METS-1.0.item-contributorAdvisor: Maillard, Patrícia Augustin Jaques

Resumen:

Pesquisas têm mostrado que os alunos apresentam ganhos mais significativos de aprendizagem através do ensino individualizado, pois o professor pode se focar nas dificuldades de cada um. Por ser uma estratégia de custo elevado, os Sistemas Tutores Inteligentes (STI) oferecem uma alternativa mais viável. Esses sistemas, através de técnicas de Inteligência Artificial, são capazes de se adaptar às características de cada aluno, provendo assistência individualizada. Esta adaptação personalizada é fornecida pelo componente Modelo de Aluno, que é capaz de avaliar e mapear o conhecimento de cada estudante. Na literatura, são encontrados diversos trabalhos que lidam com a questão de avaliação de conhecimento do aluno, dentre os quais encontram-se alguns trabalhos relacionados ao domínio de álgebra. Estes trabalhos, geralmente, apresentam modelagens com redes Bayesianas, que são estruturas probabilísticas amplamente utilizadas por apresentarem resultados muito interessantes no que se refere à avaliação do conhecimento dos estudantes. No entanto, nestes trabalhos, estas estruturas relacionam apenas os conceitos algébricos, ou modelam relações entre operações algébricas, com suas principais propriedades e falsas concepções. Esses trabalhos não buscam definir as relações entre os conceitos algébricos e as respectivas operações, e como os primeiros podem estar interferindo, positivo ou negativamente, na aprendizagem dos segundos. Por exemplo, na álgebra, há conceitos chave, como incógnita e a igualdade entre os lados da equação, que interferem diretamente na compreensão de certas operações algébricas. Se um estudante não os compreende, dificilmente ele será capaz de aplicar corretamente as operações relacionadas em todas as situações. Desse modo, é desejável que os modelos de inferência sejam capazes de identificar se o estudante compreende tais conceitos. Além disso, outra limitação dos trabalhos relacionados de modelos de alunos voltados para a álgebra se refere a como eles tratam as evidências. Como estes trabalhos utilizam os itens de avaliação para isto, a cada novo exercício, é necessário inserir um novo nodo na rede, e estabelecer as relações com cada conceito abordado por este item. Isso torna o projeto da rede trabalhoso e dependente de cada exercício aplicado no STI. Nesse contexto, este trabalho propõe um modelo de aluno algébrico que além de inferir o conhecimento algébrico dos estudantes de conceitos (como incógnita, igualdades, operações inversas), habilidades (operações algébricas) e falsas concepções, busca definir as relações entre conceitos e habilidades. Como foco inicial deste trabalho serão utilizadas as equações de 1o grau. Para a inferência, será empregada a estrutura de Redes Bayesianas Dinâmicas (RBD), usando como evidência a operação aplicada pelo aluno em cada passo da resolução de uma equação. Nesta estrutura de RBD, cada time slice corresponde à resolução de um passo, o que torna o modelo proposto independente dos exercícios aplicados pelo STI. Dessa forma, o modelo de inferência proposto pode ser utilizado em qualquer equação algébrica, sem a necessidade de qualquer alteração na rede, como ocorre nos outros trabalhos relacionados. Visando verificar a capacidade de inferência desta rede, foram conduzidas avaliações. A partir dos históricos dos alunos, que utilizaram o PAT2Math, foram obtidas as evidências para a rede; e a partir dos dados dos pós-testes, realizados pelos mesmos alunos, formam obtidos os percentuais a serem comparados com a inferência da rede. Como os resultados não foram satisfatórios, empregou-se a regra do limiar, instanciando toda a variável que o ultrapassasse. Avaliada sob os limiares de 96% e 98%, a rede demostrou resultados mais precisos com o limiar de 96%, no qual as diferenças entre os resultados da rede e os percentuais dos pós-testes permaneceram, em sua maioria, em até 5%.

Mostrar el registro completo del ítem